MétaCan
Menu
Retour à la cohorte
Enregistrement W2192081701 · doi:10.1039/c5nr05859g

Self-assembled nanoparticle-stabilized photocatalytic reactors

2015· article· en· W2192081701 sur OpenAlexafffund
Thomas Burdyny, Jason Riordon, Cao‐Thang Dinh, Edward H. Sargent, David Sinton

Notice bibliographique

RevueNanoscale · 2015
Typearticle
Langueen
DomaineEnergy
ThématiqueAdvanced Photocatalysis Techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPhotocatalysisNanoparticleMaterials scienceNanotechnologyChemical engineeringNanomaterialsProcess engineeringCatalysisChemistryEngineeringOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The efficiency of nanostructured photocatalysts continues to improve at an impressive pace and is closing in on those needed for commercial applications; however, present-day reactor strategies used to deploy these nanostructures fail to achieve the sufficient areas (>1 m(2)) needed for solar application. Here we report the Self-assembled Nanoparticle-stabilized Photocatalytic Reactor (SNPR), a fully-scalable reactor strategy comprised only of nanoparticles adsorbed at the fluid-fluid interfaces of oil-in-water emulsions, water-in-oil emulsions, and CO2-in-water foams. We show that SNPRs naturally disperse over open water and need no physical substrate, requiring only photocatalysts and fluid. In environmental applications the SNPR provides more than double the reaction rate of a comparable single-phase reactor. In continuous mode, the SNPR achieves 100% photocatalyst retention and processes 96% of the stream over 20 hours; in contrast, the performance of a comparable aqueous suspension declines to zero over this interval, losing all photocatalyst to the outlet stream. We further characterize the photoactivity of individual photocatalytic droplets, with reactants in both the continuous and dispersed phases. These results demonstrate SNPRs as a robust and flexible reactor strategy and a route-to-scale for nanomaterials.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,132
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,023
Tête enseignante GPT0,281
Écart entre enseignants0,258 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNanoscaleMême sujetAdvanced Photocatalysis TechniquesTravaux en français237 207